２０１１年３月３日（木）１０時～１７時１５分 ＠ 赤門そば
http://ssjda.iss.u-tokyo.ac.jp/250000/251000/251040/
東京大学 社会科学研究所 計量分析セミナー
「二次分析道場！」 三輪哲先生 山本先生 １日目
http://ssjda.iss.u-tokyo.ac.jp/pdf/seminar2011/seminar2011_3.pdf
に参加してきました。
佐藤先生の「入門！」が面白かったので、
「男二人の先生で、堅苦しくてつまんなかったら３日間つらいなー」
と思っていたのですが、これも良い意味で裏切られました！
今回も面白かったです！
三輪先生、山本先生も素晴らしく、内容ももちろんなのですが、
お二人のこの「道場」に対する熱い想いと質問への対応の仕方に惚れました。
また別の機会に受けてみたいです。
受ける前は、正直「大学主催のセミナーなんて・・・眠たくなるのを堪えるだけ」
なんて、思っていましたが、そんなことありませんね。
このセミナーを、修士２年に入る前に受けられて本当に良かったです。
これから、量的調査、分析をする人にとっては必須の内容だと思います。
さし障りのない範囲で、自分が学んだことをシェアします。
（・内容 ○関根の独りごと）
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
１．二次分析とは何か
・統計分析ではなく、計量分析セミナー
・「社会を分析、理解する」ために、統計を手段として活用する
●研究の企画
・問いをたてて答える＝研究
・変数＝変わりうる数 説明されるべき「分散（ちらばり）」が必要
・問いの分類
「１変数分布の問い」Yの平均は？割合は？ちらばりは？
「関連の問い」XとYの関連は？
「予測の問い」Xに対してYはどうなると予測できる
「帰結の問い」モデリング
・１変数分布を「見る」「比べる」「説明する」
・関連を「見る」「グループ間で比べる」「媒介変数で説明する」
・概念と変数
例）業務能力 → 各質問項目
○なるほど！だから尺度構成をするのか！ 質問項目を再度概念に戻す
・概念の操作的定義
例）業務能力を、今回の研究ではどう定義するのか
・定義が違うと議論がかみ合わない
・１変数分布の問いへの答え ← １変数分布を「説明する」ことで答える
・関連の問いへの答え ← 関連を「見る」
「グループ間で比べる」「媒介変数で説明する」ことで答える
関連の程度がグループ間で相違する場合、「交互作用がある」という
・「あいだに何か入ってくるのでは」それが何故に答える
★「答え方」を考えておくと、「問い」も立てやすくなる
・関連を見る２つのアプローチ 横断的仮説と縦断的仮説
縦断的 ～すると、～になる 横断的 ～なら、～である
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
２．データ分析の準備
・標本を調べるだけで、全体（母集団）のことはある程度わかる
・質的：名義と順序 離散変数、カテゴリカル
量的：間隔と比率、比例 連続変数
・名義尺度 位置を入れ替えてもOK
・順序尺度 順番を入れ替えるおかしくなる
・間隔尺度 こことここの間がどのくらい差があるのか見る
○だから、リッカートの５件法も間隔とみなすのかな １～５
・比率尺度 例）異同 大小 差 比 例）１５０万 ３００万の差
・変数の種類によって、分析方法が異なる
離散変数、質的 ＝ 度数表に基づく方法 クロス集計
連続変数、量的 ＝ 平均、分散、共分散、相関係数、回帰分析
・順序尺度を間隔尺度とみなす そうすることで色々な分析手法が使える
○５件法を、順序のまま（質的として）分析することも可能とのこと。
これでクロス集計ができる！
・質―質 クロス集計
質―量 分散分析
量―質 ロジスティック回帰
量―量 回帰分析
・ダミー変数 これを使うことで、質的変数を回帰分析の中に入れられる
○同じ５件法でも、片方（OJT行動）を間隔尺度、もう片方（能力）を順序とみなして
ロジスティック回帰（多変量解析）を行うことはOK、とのこと
・多変量解析手法のロジスティック回帰分析が最も使われている
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
●SPSS実習
・シンタックス利用の推奨
分析の全過程を再現可能 他者との情報共有も可能
・オリジナルデータファイルは上書き保存しない
・シンタックスファイルは必ず保存
・出力ファイルは必要なものをエクセルに保存
・１１のコマンドを知れば色々できる
fre recode var lab val lab mis val comp
filter split file cro if logi
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
２０１１年３月４日（金）１０時～１７時１５分 ＠ 赤門そば
「二次分析道場！」 三輪哲先生 山本先生 ２日目
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
３．クロス集計表と統計的検定
●統計的検定の考え方とクロス表のカイ２乗検定
・統計的検定 ＝ 母集団がどうなっているかについての判断
帰無仮説（母集団が５０：５０である）としたら、こんな極端な標本に
なることは考えにくい！ ということで、帰無仮説を棄却
この時の「考えにくい」程度を示すのが、有意水準。
（間違えても仕方ないという確率が、１～５％）
・色々な検定はあるが、今回は「クロス表のカイ２乗検定」を扱う
・２変数が独立している＝互いに依存していない＝関連がない
２変数に偏りがある＝独立ではない＝関連がある≒差がある
・標本の差が誤差でそうなったのか、母集団もそうなっているのか調べたい
そこで役に立つのが、カイ２乗検定
・カイ２乗の値が大きいほど、ズレガ大きい＝関連あり
カイ二乗が０＝ズレガない＝独立している＝２変数に関連はない
・カイ二乗によって、誤差がどうなっているかを正確に知ることができる
・２×２のクロス表では、自由度は１なので、カイ二乗統計量が、
３．８４１より大きくなると、５％水準で極端な標本と言える。
＝独立でない＝関連がある＝帰無仮説は間違っている
・カイ２乗検定は、独立性＝関連性（２変数間）を見る
帰無仮説が正しいとしたら、ここまで極端な値が出る確率は、
１～５％しかないよ＝統計的有意性
・統計的に有意な差がある＝母集団においても差がないとは言えない＝ありそう
ただ、実質的に重要な差があるかどうかを示すのが「％」や「オッズ比」
・２変数に関連がないとは言えないね ＝ 帰無仮説の棄却
●クロス集計表による分析
・関連の問いに対して「見る」ことで答える その際にクロス表が使える
・列 column（柱） 行 row（映画館の座席）
・ｐ＜０．０５なら、５％水準で帰無仮説を棄却できる
小さいほど良い
○あれ、さっきは大きいほど良いじゃなかったけ？
・Pearson のカイ２乗 漸近有意確率（両側）.000
・「関連の強さ」
統計的に有意な関連が見られる ではどの程度の関連の強さなのか
それを見るのが、比率の差 ％ オッズ比、対数オッズ比
・オッズ＝～のしやすさ
オッズ比＝～倍 １のとき、グループ間でオッズは同じ＝関連がない
２のとき、あるグループのオッズは、他の２倍
・比率の差は、自分で計算 オッズ比は、SPSSで？
・セル残差 を見ることで、どのセルで特に「独立性が崩れているのか」
＝特に関連があるのか を見る
sresid 標準化残差 asresid 調整済み標準化残差 ←違いは？
３×３以上のクロス表であれば、セル残差の分析ができる
・asresid を特に見れば良い？
●高次クロス集計による関連の比較
・クロス表＝関連を見る
２変数を見る － カイ２乗検定、オッズ比、％
２変数を比較する、説明する クロス集計の場合、同じ分析方法を使う
・３重クロス表 ２×２×２の８セルとなる
・関係のあり方が、第３の変数によって異なることを「交互作用」と呼ぶ
Z１ X→Y
Z２ X→Y
・交互作用の内容は、オッズ比でみるのが基本だが、％でもみる
・第３変数Zの値によって、Yに対するXの効果が異なる
こういう交互作用の考え方は、汎用性が広く、論文のネタになる
・ただ、交互作用を検討するにはまず理論から入る
まず良く考えてから、３重クロス表作りという作業に入る
●高次クロス集計による関連の説明
・媒介変数であるようにみなして分析する
X１ Y
→ X２ →
・第３の変数が、２つの変数の関係に影響を与えない場合 オッズ比は同じ？
・第３の変数が、２つの変数の間の関係を完全に説明する場合、オッズ比は１．００
・X1とYの関連はある だがそれは、X２を介したものであった という？
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
４．ロジスティック回帰分析
●ロジスティック回帰分析入門
・ロジ回帰分析とは、離散的（質的）は従属変数（Y）を分析する為の
多変量解析技法 （ロジットモデルともいう）
回帰分析の拡張であり、一般化線形モデルとも言われる
（２×２クロス表でみた）オッズ比の拡張ともいえる
・Y＝ロジット Xにはダミー変数（１．０）を入れていく？
・ロジスティック回帰分析の結果＝オッズ比の計算？
指数変換 Expodential? の値が、オッズ比に等しい
・オッズ比の計算は、２×２でないとできないので、３×２の場合、
ダミー変数を２つ作る
・ダミー変数を入れることで、２×２にできる ＝ オッズ比が出せる
○３×３なら、セル残差が出せる ２×２ならオッズ比が出せる？
オッズ比＝～倍～しやすいか ？
・Exp（B)＝オッズ比 にマイナスは出ない ０．８だと負の関係
・ロジスティック回帰分析の定数？を指数変換した値（ExpB？）は、
すべての独立変数が０の値をとるときの期待オッズ（Y）？
○いろんな言葉が出てくる 言い方も色々 それが混乱させるのかも
・ロジスティック回帰分析は、クロス表とは異なり
連続変数をXの中に入れられる ここが強み
・なぜロジ回帰を使うのか このS字曲線が最大の強み 回帰分析だとS字にならない
○この辺、よくわからない ついていけてない
○ロジ回帰＝オッズ比 ～倍～しやすいかをみる
オッズ→確率 ％の確率で、～しやすいか
質的な従属変数を見るときは、確率を見たい ということ？
・複数の独立変数を用いる 重回帰分析
予測よりも、統制する道具としてロジ回帰は使われている
他の変数の影響を取り除いて、当該の２つの変数を見れる
・「適合度」
カイ２乗は、大きい方がよい？ どれだけ説明力があったのか
対数尤度は、小さい方が良い
Nagelkerke R二乗は、０に近いと説明できていない、１に近いと説明できている
○この見方が良く分からない
●ロジスティック回帰分析における交互作用の検討
・三重クロスでやったような、関連の比較、説明もできる
・交互作用を検討するには、
１）第３変数によって、ファイルをわけそれぞれ結果を出して比較する
Z X→Y
Z X→Y
２）第３変数と独立変数の積を新変数として作成し、
それを新たな独立変数として投入 「交互作用項」
Z×X →Y
・ダミー変数にして
○この辺もよくわからない
●最尤法の考え方と誤差
・全部理解できなくてよい イメージがつかめれば
・「もっとももっともらしくする方法」＝最尤法
・パラメータ ＝ 母数 モデルのあり方を決める数
・あるパラメータのもとでの標本のもっともらしさ＝尤度
○標本の最尤度だけで、母集団もこうだ！って言っていいの？
・標本サイズが大きいほど、山はとがる
尤度をグラフにしたとき、とがっているほど、誤差が小さい
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
２０１１年３月５日（土）１０時～１７時１５分 ＠ 赤門そば
「二次分析道場！」 三輪哲先生 山本先生 ３日目
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
５．システム分析の考え方と応用
●システム分析の考え方
・母集団からランダムに標本を抽出する ＝ 外的妥当性
被験者をランダムにアサインする Random assignment 無作為割り当て
・実験計画法 因果を捉えるために必要
・調査データから因果を考える 因果推論
１）変数の時間的順序
★変数の時間的順序を考えること！
○これがN先生に言われていたことだ！調査票を作る時の時制の重要性
・絵で描く癖 （→ 符号）で考えると良い
矢印の連鎖＝パス図 因果関係を考える際に役立つ
・順序が明確でないときは、変数の「変わりやすさ」に着目する
変わりにくいもの（固定的）を原因、変わりやすいもの（変動的）を結果とみなす
２）変数の相対的位置
・先行変数→説明変数→媒介変数→被説明変数→後行変数
・嘘の効果、見掛け上の効果があるのでは それを見るのが、先行変数
・媒介変数は、X→Yの関係を説明する
○これを見つけたいなー！「なぜ」を説明できる
★何が先行で、媒介かは、自分で考え、分析しながら見つけて行く
先行
X１ → Y
X2
★調査では、考え方を工夫することで、因果推論ができる！
「変数の時間的順序」「変数の相対的位置」
・総効果＝因果効果（＝直接効果＋間接効果）＋疑似効果
●システム分析
・一貫型システム Reinforcing
非一貫型システム Suppressor
・因果関係の図式＝システム分析
心理学では、AMOSを使ってパス解析を行う
今回は、ロジスティック回帰を使って、システム分析を行う
・関連を説明できる 何故 これがシステム分析の良いところ、論文のネタにもなる
・B 総効果に着目
○この辺、面白い！
・システム分析は、関連を説明する
○ロジ回帰、自分の武器にしよう！
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
６．まとめ
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
○５日間、出て良かった！これにでなくて、M2になっていたらまずかった。
既に持っているデータをどんどん分析していこう！やるで！
三輪先生、山本先生、ありがとうございました！
コメントフォーム